还在融资的AI公司频频出手投资，背后原因几何？
对AI公司来说，融资已不稀奇，投资更有深意。
9月12日，商汤又融资了。
在当天宣布获软银中国10亿美元投资后，商汤估值已达60亿美元。但更值得玩味的是1个月前商汤对外投资的消息：8月7日，商汤领投影谱科技13.6亿元D轮融资，创下人工智能影像生产领域单轮最高融资纪录；今年6月21日，商汤还领投了医疗互联网公司禾连健康7500万美元B轮融资，禾连健康投后估值近10亿美元——独角兽开始造小独角兽了。
其实，在互联网和移动互联网的浪潮中，都不乏公司发展到一定阶段进行对外投资的现象。但不同的是，AI公司对外投资的动作明显提前。
对比互联网公司，即使是现在被戏称为"投资机构"的腾讯，也是在2011年，即其成立的第13年，自身发展已相对成熟时才启动对外投资，阿里也是到2006年才成立投资部门。而移动互联网新经济公司，如近日上市的美团，虽是在成立第4年的2014年就成立了投资部，并到现在还处于亏损状态，但美团已初具垄断之势，滴滴亦是如此。
目前已开始出手投资的人工智能公司，如商汤、思必驰、Aibee等，整体上还处于公司生命周期的初期阶段——成立时间不长、造血能力尚未论证、市场份额仍待开拓，均还依赖后续融资维持研发、商业化的高投入。
为何一边烧着别人的钱，一边开始给别人烧钱？
据AI财经社今年4月的一篇报道，彼时商汤已投资了6个项目，计划投资的项目还有10多个。去年底还传出消息，商汤科技与鼎晖拟筹建规模为30亿人民币的AI专项投资基金。
旷视科技也曾于2018年4月全资收购了艾瑞思机器人；同月，旷视还宣布领投了AI+文娱公司Video++3.49亿元的B轮融资。
语音交互领域的头部公司思必驰也于2016年成立人工智能产业基金驰星 ，专注于投资人工智能交互领域的早期项目。截止目前，思必驰及驰星 已成功孵化并投资了车萝卜、深聪、鹿马、先声教育、AITEK、爱医声等14家人工智能初创公司。
最近的一则消息是，明略数据和比特大陆联合领投了2011年成立的视频大数据技术提供商千视通科技。
Aibee创始人林元庆则向「甲子光年」透露，Aibee马上也要完成一笔对外投资，被投对象是在某细分赛道市场占有率超过50%的一家传统行业公司，Aibee将和这家公司一起研发和落地AI整体解决方案，推动该行业的AI升级。
甚至还有人提出了"AI公司技术VC化"的设想，直接把投资作为AI团队实现商业价值的一种商业模式：即同一班技术人马，一边投资，一边为被投项目技术赋能，以分享被投项目的增长红利。
尚在成长期的AI公司频频投资，究竟是不务正业还是势在必行？是"AI估值泡沫"的体现，还是其中蕴含着AI行业不同以往的独特商业化路径？
「甲子光年」采访了旷视科技、Aibee、中科视拓、Video++等多家已开始对外投资或明确表示有意投资的公司，AI公司旗下产业基金合伙人和传统VC投资人，深入探寻"AI公司VC化"趋势背后的真正动因和未来趋势。
我们看到了"快资本"与"慢落地"的焦灼，"深挖洞"和"广积粮"的平衡，以及"加速泡沫"和"加速落地"的双面影响。
怎么用好资本这把双刃剑，已成为所有AI公司都必须关注的重要议题。
快资本与慢落地
纵观全局，对外投资的AI公司可分为两类，一类是已具备一定体量、堆积了巨额融资的AI独角兽，如商汤科技、旷视科技、思必驰等，另一类则是体量相对较小或公司处于更早期阶段的创业公司如中科视拓（成立于2016年）、Aibee（成立于2017年底）等。
从投资轮次上看分两种：AI独角兽已领投某些细分领域处于B轮、C轮甚至D轮的"小独角兽"；而小体量公司则专注于投资天使轮、Pre-A轮的早期项目。
从投资形式上看也分两种：一种是AI公司本身成立投资部门直投项目，如商汤、旷视；另一种则是与传统VC、PE等机构联合成立产业基金，如商汤、思必驰、中科视拓、Aibee等，这样可以募集到外部资金，补充资金池。
从投资标的上看则分为三种：一种是在某细分领域已建立起行业场景、占据一定地位的行业AI公司，如商汤领投的影谱科技、禾连健康；二是在某传统行业已深耕多年，积累了大量的客户资源、销售渠道，占据一定市场份额但受某种局限一直"长不大"的传统公司；三是一些具备了一定的行业认知、客户资源，但技术不够强的初创科技公司。
"AI独角兽对外投资或收购，本质上是消化过多融资，实际业务场景太小、太少，支撑不了估值。"多位行业内人士对「甲子光年」表达了这样的看法。他们把"AI公司VC化"理解成一种"估值管理"的方式，有的公司是主动选择，有的则是为了撑起高估值，不得已而为之。
以商汤为例，一位业内人士对「甲子光年」的说法是，2017年商汤收入在3亿人民币："商汤的实际销售额没有公布过，但圈内都知道，3个亿只是合同收入，但to B领域合同收入和实际收入又是两回事，有账期和坏账。"但「甲子光年」也了解到另一种说法：2017年商汤的年收入在1亿美元左右。
如果按照1亿美元来计算，2017年底，商汤估值已达30亿美元，则PS（市销率，总市值比销售额）高达30倍。
"一个很现实的问题，怎么撑起这么高的估值？要不我自己干到这个业绩，要不我买一家干到这个收入。"这是另一位持相似观点的AI业内人士对商汤投资逻辑的分析。
其玩法，实际上是利用AI赛道和头部公司的高PS和强资本撬动力，去投资、控股那些估值溢价较低，但现金流较好的公司来提升收入或"讲故事"，以进一步撑起估值，并继续融资。
这很像二级市场的市值管理，一位AI从业者给「甲子光年」做了个类比："恒大购买FF 91的股份，它市值的增长肯定比它投FF 91花的钱多，是一个稳赚的生意。"
不论这种被外界解读为"做收入"的投资，是否是商汤等公司的真实考量，但它确实反映了目前AI公司的一个普遍现象：估值与实际收入不成比例。
一边是高估值，大量希望快速获得回报的资本涌入赛道；一边是慢落地，到了2018年，从业者和投资人都越发清晰地意识到，AI的商业化进程不会像滴滴、美团这类to C新经济公司那样"摧枯拉朽"，快速被资本喂大。
这就是"快资本"与"慢落地"之间的焦灼。
两重因素叠加，构成了"AI公司VC化"的驱动力：外在驱动力是资本对AI的追捧；内在驱动力是AI技术的特性和商业化落地方式。
首先是外在驱动力。高估值、高融资、手里有钱，是AI公司对外投资的前提。
2018年，资本寒冬、大型钱荒的惨淡情形正在上演，但AI赛道仍相对是高融资、高估值领域，头部公司更是从不缺资本青睐：
就在今年，商汤相继获得了6亿美元的C轮融资和6.2亿美元的C+轮融资，近日又获得10亿美元的D轮融资，加上之前几轮，商汤目前总融资额已近30亿美元；旷视目前的融资额也近12亿美元；而2017年底成立的Aibee更是以1.65亿美元的天使轮融资额刷新了中国AI初创企业的融资记录。
在一些细分领域，融资额破记录的故事更是屡屡发生。据投中研究院发布的《2018AI产业投融资研究报告》显示，2018年上半年人工智能领域的融资额已经超过2017年全年。另一份VC SaaS发布的《2018年第一季度一级市场最全投融资报告》显示，人工智能尤其是人工智能在医疗健康领域内的应用项目融资额突出。资本的大量积聚，使AI公司在发展早期便有一定的资金去做对外投资。
AI公司VC化的内驱力则是AI的赋能特性和其to B的商业模式：
AI的目标是替代人类实现识别、认知、分类和决策等多种功能，本身并不包含直接的应用解决方案，这使得AI必须融入各行各业， 改造已有产业才能创造价值。换句话说，AI技术是"大脑"，没有四肢就无法独立行走。
这种"赋能"特性，进一步导致目前AI公司的主要商业模式是to B提供技术产品或服务，AI公司的客户是行业里掌握场景的企业客户。
而to B天然又是一个快不起来的生意，相比此前中国VC、PE投了多年的、能快速形成规模效应的to C互联网公司来说，尤其慢。
多家AI公司CEO向「甲子光年」诉说了其在业务落地过程中的艰难：
"在交付、实施上花费了巨大的努力，但获得的收入不成正比，收益cover不了成本。"
"我们有技术，但不懂传统行业，而这不是短期能学来的，是靠长期积累来的。"
"AI公司的CEO往往是技术人员，对于to B运营、业务中涉及的销售管理、人情世故、复杂系统、团队管理等等是很难理解的。"
AI公司有高薪养博士，却做着低客单价的技术服务的尴尬，且相比创业背景多元、草根的互联网创业者，AI公司创始团队中多高知科学家、技术专家，他们在适应中国的营商环境上，要付出更大努力。
深挖洞与广积粮
在落地慢、落地难的实际情况下，从消极或负面角度想，成长期AI公司对外投资，是"苦撑估值"，加剧泡沫的行为。
但另一方面，公司对资本画饼也无可厚非，万一路真的走通了呢?
AI公司的VC化，也可以理解为在AI落地慢且难的实际情况下，摸索出来的一条加速AI落地、加速AI赋能进程的战略性路径。
从正向角度来说，AI公司对外投资有两个出发点：横向买场景，即"广积粮"；纵向深入上下游，即"深挖洞"。二者同样服务于布局交叉生态、形成战略协同的目的。
首先是横向买赛道、买场景，广积粮。
一位有意开展对外投资的AI公司CEO对「甲子光年」讲述了他对场景重要性的理解：纯粹的AI并不产生商业价值，因此AI本身并非独立的主营业务，但场景中的非AI因素一般在（商业化）初期占比更大。
这样就有两条路线：一是先深耕少数几个场景；二是同时切入多个不同场景。头部公司多选择第二条路，商汤是个代表。
但在切入不同场景时，AI技术落地慢，需要与场景 融合的特点，使AI公司光凭自己的力量，无法快速cover多个场景和赛道，这时投资就是一个加速手段。
比如旷视科技全资收购艾瑞思机器人，是为了进军智能机器人服务领域；商汤投资禾连健康和影谱科技，则是为了加强自己在医疗行业和娱乐行业的实力。
"有些场景现在还没有精力去做或者其商业化落地还需要假以时日，但也不能等到市场起飞了再去做。把有限的人才跟精力先集中在一两个场景，让AI技术像针一样深深扎进具体应用，但也不能蒙着眼睛不去看其他场景。"旷视科技投资方，启明 执行董事周志峰告诉「甲子光年」。
第二个出发点则是投资上下游企业，在某个场景、行业"深挖洞"。
由思必驰成立的驰星 合伙人杨晓敏告诉「甲子光年」，他们的投资逻辑是"火车头策略"。就是指在基金建立伊始，思必驰就是基金投资的火车头，通过梳理智能交互产业链，扫描细分赛道，判别产业链全线上哪些点可以产生"化学反应"，并收敛出基金的Value Map支撑投资。通过这样一套筛选流程，所投项目既有较好的质量，又能使得思必驰的影响力扩展到上下游更深的领域。
Aibee创始人林元庆告诉「甲子光年」，接下来，Aibee会着重考察对行业有深刻认知、掌握场景的传统公司："我们公司的定位本身就是AI升级传统行业，我们要进入到一个行业中搭建AI整体解决方案，就需要和能深刻理解这个行业的公司合作。我们出技术、钱，他们出渠道、客户资源。"
林元庆也向「甲子光年」透露，Aibee近期会完成一笔对外投资，被投对象是在某细分赛道市场占有率超过50%的一家传统行业公司，Aibee会和这家公司一起推动该行业的AI升级。此前Aibee接受K11集团郑志刚的投资也是同一个逻辑，精准零售和旅游是目前Aibee会花大力气深耕的两个行业。
所以，即使不做对外投资，AI公司本来就与各行各业有或深或浅的合作，这也是AI公司投资方中为什么会出现越来越多战略投资者身影的原因。
而具备一定资本、技术能力的公司对有行业积累的公司进行投资，这是比普通合作更为 的绑定方式。除了获取资源、渠道外，财务收益也能一定程度上缓解之前提到的收益无法cover成本的问题。
在实际操作中，"广积粮"和"深挖洞"常常同时使用，对资金量大、行业地位高的头部公司来说尤其如此。
如旷视科技就对「甲子光年」表示，他们的主要投资方向有两个，一是和旷视现有业务强相关，通过投资和收购，提升旷视的技术能力和市场竞争力；二是应用场景，诉求是形成完整数据闭环提升技术，逐步控制几个关键应用场景；除此之外，还有一些旷视暂时不做的AI赛道，对于其中一些潜力领域如医疗、 等行业，他们会选择与行业大客户合作。
不管是"广积粮"还是"深挖洞"，其目的都是为了更好地利用资本放大技术的影响力，部分解决短期内技术本身不带来巨大商业营收的痛点。
最头部的公司，如商汤，已经开始考虑用投资构建生态布局。
围绕其原创底层 算法平台与计算机视觉技术，商汤提出了"1+1+X"的商业战略模型，第一个1代表研发，第二个1代表技术产业化，而X则代表着"赋能百业合作伙伴"。在宣布对影谱科技的投资时，商汤表示："商汤逐步通过对外投资等方式，吸引更多与商汤存在业务协同和互补性的公司加入人工智能生态中，用资本策略放大商汤的技术影响力。商汤通过领先的技术形成时间窗口，并快速布局行业，倾力打造与合作伙伴共赢的人工智能生态。"
思必驰也采用了生态布局式的投资方式。杨晓敏告诉「甲子光年」，驰星 成立的背景正是思必驰在开放DUI语音交互平台过程中，发现他们的开发者除了需要技术支持外，还需要资本和行业资源的支持。因此，思必驰和元禾母基金联合发起了驰星 ，为智能交互领域的创业者提供帮助，通过"专业技术支持、产业资源加速、培训孵化服务"来创建生态。
其他不讲"生态"故事的公司，也都会强调投资后带来的协同效应。
如前所述，AI公司在商业化落地中，有技术人员不懂业务，服务周期长、回款慢，短期无法积累起行业知识、资源等困难，"这个时候找到一些具有这些特质的小团队去投资获得战略协同与互补是个很好的策略。"一位有投资意向的AI公司CEO告诉「甲子光年」。
改变"传统 "的新方法论
AI的赋能特性和资本助推，加速了AI公司的投资进程，加上之前的两大投资出发点，形成了AI公司与传统VC截然不同的"投资方法论"。
具体而言，其不同之处有三个方面：一是在项目来源上， AI公司通过实际的业务合作，能接触到许多上下游或行业里的好公司和被忽视的投资标的，比如旷视投资Video++就是在业务合作过程中发现彼此的战略协同性然后再进行投资的；二是在项目评估上，AI公司本身有丰富的技术人才，至少在技术尽调上颇有优势，如Video++联合创始人兼COO董慧智对「甲子光年」所说，"他们更识货"；三是在投后管理上，AI公司不追求短期的财务收益，而是要做"长期陪跑者"。
项目来源上和项目评估上，上文所提的驰星 的"火车头策略"就充分发挥了思必驰本身对智能交互行业的 了解和实践优势。
杨晓敏告诉「甲子光年」，一个现象侧面反映了驰星找到好项目的能力：在智能交互领域，驰星 不投的项目，传统VC大多不会再投，一定程度上，驰星已成为传统VC投资智能交互领域的参考标杆。
投后管理上，AI公司投资其他公司会更加注重之后的合作关系，这是战略投资的逻辑，所以会"长期陪跑"。
杨晓敏还对「甲子光年」提到了他们的"集团军打法"，就是在清晰赛道之后，不是像大多VC一样投资经理单兵作战，而是在项目源发展与维护、投资价值分析、尽调技术与创业者、投后服务各个环节都有专业团队指导，并与思必驰联合出击。
投资轮次集中于天使轮与Pre-A轮的中科视拓也有类似的"强投后"做法。
中科视拓CEO刘昕告诉「甲子光年」，他认为懂不懂技术其实是伪命题，AI公司去投资，真正的价值在于"能做出来"。
"技术VC，把各种crazy idea 基于公共的技术平台最快地落地实践；或者快速复制风口上的项目。如果说看得懂技术就能解决投AI投的准不准的问题，VC找点AI的博士教授当顾问是不是就能解决问题呢？一样不能。做产品需要把手弄脏，下一线，不是看得懂就能解决问题的。这就是技术VC的价值，生过孩子，可以帮被投企业生猴子。"
一些纯财务的VC机构已感到了"技术VC"的压力，特别是对出手阔绰的头部企业有所忌惮。
德联资本高级副总裁肖然对「甲子光年」说："他们本身就是行业中的独角兽，对技术、行业有着比我们更深的理解，能够快速地发展项目源；就资金体量来说，30亿美元的融资额，可以动用的投资资金超过很多传统VC。"
不过也有投资人表示所谓"技术VC"和传统VC暂时"井水不犯河水"。
顺为资本执行董事孟醒告诉「甲子光年」："目前观察AI创业公司的基金还在探索期，已知投资的项目在行业里面偏小众。"他认为，现在AI公司在选投资标的时，和传统VC之间的重合性不大，"公司要到一定规模体量，围绕自身生态的投资才会和市场化的基金有频繁的交集。小米、头条这样规模的创业公司差不多是分界线，自此以上，对市场有影响，自此以下，基本忽略。"
尽管看起来有一定优势，但并非所有AI公司都能做对外投资。
综合各方目前的投资行为来看，「甲子光年」认为具备投资能力的公司至少应具备以下两方面特质中的一个：
首先是公司本身具备平台型属性或者说是生态型公司。目前对人工智能公司的分类大概可以分为三种：核心人工智能公司、应用人工智能公司、行业人工智能公司。
而能够进行对外投资的公司是中间一层的应用人工智能公司，即搭建了自己的技术平台，能够为合作伙伴提供底层技术支持的公司——不是帮别人做面包，而是为别人提供面粉。比如思必驰的DUI语音交互平台、旷视科技的Face++、商汤科技的SenseAR平台、中科视拓的SeeTaaS。
其次是公司本身要具备品牌溢价，能够提升投资标的的价值。比如商汤、旷视、思必驰已经是行业内的明星公司，而Aibee则有林元庆个人实力背书，中科视拓则是中科院背景。
加速泡沫，还是加速落地？
毫无疑问，投资行为确实是推动目前AI创新局势的加速器，但到底是加速泡沫还是加速落地？
不妨从一些已公布的投资项目的具体进展中寻找蛛丝马迹。
被旷视收购的艾瑞思机器人，目前已在无人仓储上有一些落地项目。如2017年，艾瑞思机器人就曾携手科捷物流做了菜鸟网络和富士康的智慧仓项目。而旷视也已与菜鸟网络、闪送、便利蜂等有物流需求的公司有过 合作。唐文斌曾透露，收购艾瑞思之后，将大规模复制机器人智能仓储。
今年5月，驰星 投资的车萝卜发布的车萝卜小蜜智能手机支架、车萝卜水滴AR-HUD、车萝卜智能车机三款新品，均采用了思必驰双麦阵列及全套语音技术方案。车萝卜声称要尽快突破100万销量，不过一个季度过去后，尚未看到具体销量数字。
Video++联合创始人及COO董慧智告诉「甲子光年」，他们自主研发的ASMP-AI 情景营销平台背后，就糅合了Face++的底层算法："在产品改进、客户联系、市场营销、线下新零售等方面，未来可期。"
其实，AI公司VC化的现象未来到底是加速泡沫还是加速行业落地，关键就看"资本补给"和"技术落地能力"的动态平衡。
换言之，在资本无法或不愿再为梦想买单前，AI公司能不能跑通自我造血之路。
如果未来资本持续输血的意图变少，AI领域的投资链条将更加清晰：聚集了大量资金的头部AI公司，出手可能更频繁，而许多已难以让VC感兴趣的中小AI公司，也许会因单点技术、行业资源等特性而被这些头部AI公司收购或投资。
头部AI公司出手的轮次也将更加多样化，不一定是早期项目，如商汤已经开始领投D轮融资。
传统行业公司将继续成为AI公司偏好的投资标的。除Aibee明确地以传统公司为投资标的外，中科视拓也表示会考察一些传统行业。原因如前所述，AI本身并不产生商业价值，而必须 嵌入到各行各业中才有价值，投资这种更为 的绑定方式可能被越来越多具备投资能力的公司采纳。
但万一体量最大的公司都没人接盘了呢？灾难性后果可能出现，至少是对行业士气的极大打击。
一位担任多家AI公司顾问的业内资深人士告诉「甲子光年」，投资太多肯定有"炸雷"风险。他以二级市场的情况做类比：
"你去看看靠收购度日的上市公司，市值暂时上去了，但因高杠杆收购造成的商誉高达数十亿，随时炸雷。这几年我一直在跟踪一家上市公司，商誉30亿，一旦计提，就是巨雷。净资产全部亏掉，还远远不够。"
当然，所有怀着抱负、理想和使命感投入目前这轮以AI、大数据、云计算为核心的创新浪潮的人，都想看到另一种结局：技术跑赢资本，在外界停止输血之前，AI公司尽快实现自我造血。
若是如此，如今AI公司的VC化会产生有益AI行业，甚至有益更广泛产业的作用：
第一，AI的商业化落地将加快。无论是头部AI公司还是中小AI公司，其对外投资都有战略协同与互补的效应，是生产力与生产资源的优化配置，最终会使得AI更快地嵌入到传统行业中去。
第二，"AI+行业"创业的门槛将降低。平台型AI公司如思必驰的对外投资为开发者们提供了行业技术、资金、资源的支持，无疑会降低他们创业的门槛。过去AI创业一定要高精尖人才，现在通过调用技术应用平台的外脑资源，一样可以创业。
第三，对传统行业来说，AI公司VC化，会加速传统行业升级、裂变，走向更加智能化的发展阶段。
短期来说，甚至可能对传统行业公司的市场价值有立竿见影的提升。比如传统的监控摄像头提供商海康威视，近年来切中安防智能化升级的浪潮，在组建自己的AI团队后，2017年股价涨幅近150%，市值一度逼近3500亿元。不同的是更多的传统公司无力自建团队，那么接受AI公司的投资提升自身的想象空间会是很好的选择。
再进一步说，AI公司为传统行业注入了技术，改造了现有产品，他们一旦完成转型之后，过去不被资本看好的传统公司可能获得更多投资，很多多年长不大的传统公司完全有可能做成上市公司。
在这个资本依然看好AI赛道，且AI公司逐渐证明自己商业能力的"良性循环"设想中，AI公司与传统VC联合发起产业基金也将成为一个趋势。产业基金能将AI公司的技术优势与传统VC的投资优势结合起来。除已成立产业基金的思必驰，去年底，商汤曾传出与鼎晖共同设立产业基金的消息；目前，林元庆也表示Aibee正在筹备产业基金。
AI公司、传统行业、投资机构多赢的局面当然美妙，但好的结果唯有靠每一段过程的步步为营，靠每一个参与者的不忘初心。
在围绕AI公司VC化采访了大量公司、机构后，「甲子光年」并不认同在成长期、融资期就对外投资一定是"不务正业"的表现。
但正如巴菲特的老师格雷厄姆的名言：市场短期是投票机，长期是称重机。投资效果，长期看资产的内在价值。
对许多自诩AI商业化推进者、甚至没少吐槽"资本短视"的公司来说，当他们也切换身份，成为投资人时，也许最该问自己一个问题：每一分投出去的钱，是否对得起心中的那台称重机。
来源：甲子光年
